*Por Marielva Andrade Dias e Roger Finger

 

 

 Não há uma simples definição para AI (Artificial Intelligence). Até porque o homem não conhece a própria inteligência. A neurociência está ainda engatinhando nas descobertas de como o cérebro humano funciona. A medida que evoluímos nesses estudos certamente poderemos avançar na criação de uma AI mais generalista agregando-lhe componentes que possam torná-la mais próxima do sonho de dar à máquina a capacidade de imitar o comportamento da inteligência humana.

 

Em 1955 um grupo de pesquisadores da Darmouth University, (McCarthy et.al.1955) buscava uma forma de ensinar a máquina a usar a linguagem, formas abstratas e conceitos para resolver problemas até então reservados aos humanos e aprender com eles. Foi quando o termo AI foi criado. O tema é tão excitante e novo que é amplamente discutido na comunidade acadêmica até os dias de hoje.

 

           Porém a inteligência humana não se limita ao uso de cérebro e corpo. Nosso aprendizado é construído ao longo de nossas vidas através das experiências e a intensidade das emoções vivenciadas criando memórias que serão acessadas quando delas precisarmos. E grande parte deste aprendizado acontece na presença de outras pessoas, o que nos faz refletir que a empatia (se colocar no lugar do outro) é um importante componente nos processos colaborativos para a resolução dos problemas onde a multidisciplinariedade desempenha um papel enriquecedor.

  

          O principal objetivo da AI é fazer com que as máquinas exerçam funções que, se executadas por um ser humano, seriam consideradas inteligentes. Envolve capacidade de raciocínio, aplicação de regras lógicas para chegar a uma conclusão, aprendizagem, reconhecimento de padrões visuais, sensoriais, de comportamento e inferência, a capacidade de aplicar o raciocínio nas situações do nosso cotidiano.

 

         A intenção nunca foi substituir o homem, mas sim dar a ele mais tempo para atividades que lhe proporcionem qualidade de vida, eliminando ou agilizando tarefas repetitivas. Até porque como é o homem que ensina a máquina, ele terá que se desenvolver ainda mais em áreas que a máquina não conseguirá aprender sozinha. Fazer conexões em domínios aparentemente não relacionados. Usar criatividade e aperfeiçoar sua capacidade de transferir conhecimento de um contexto para outro.

 

            Uma das primeiras e mais antigas aplicações de AI se deu na previsão do tempo. Com base num grande número de dados anteriores e previsões de especialistas, era possível pedir para o computador tirar conclusões com métodos semelhantes aos dos profissionais. Logo, percebeu-se que quanto mais específico fosse o tema, mais fácil era criar sistemas inteligentes. Quanto mais genérico, mais complicado. Porém, não havia dados, nem capacidades de armazenamento e processamento suficientes para criar modelos e fazer as inferências necessárias.

 

              O avanço tecnológico nos traz de volta ao começo dessa discussão e o porquê de a Inteligência Artificial estar em seu auge. Hoje, vivemos em uma realidade repleta de dados (big data/datacenters) e poder computacional (servidores e processadores modernos). O que era um impeditivo no passado, não é mais. Já sabemos como criar modelos e contamos com grande avanço em técnicas de modelagem/AI, como machine learning e redes neurais.

 

              Dentro desse escopo, vale destacar ainda duas vertentes tecnológicas: Processamento de Linguagem (NLP- Natural Language Processing) e Computação Visual (VC – Visual Computing). NPL é o processamento de geração e compreensão automática da linguagem natural, tanto falada quanto escrita, e tem nos assistentes pessoais uma manifestação clara desses avanços. Já a Computação Visual é o reconhecimento de imagens, que permite, por exemplo, detectar características ou condições de saúde por meio de formas até mais precisas do que um médico.

 

Tudo se baseia em enormes bancos de dados. Amostras de textos e vozes, no caso de NLP, e de imagens, no caso da Computação Visual, muito bem catalogados e interpretados que, somados a um algoritmo capaz de identificar relações e padrões entres os dados, classificam e criam modelos.

 

 Importante destacar ainda que AI utiliza pouco ou nada de lógica binária tradicional. Ou seja, ao invés de simplesmente responder “verdadeiro” ou “falso” para uma imagem, a AI se fundamenta em uma lógica difusa, em que há muito mais opções. Assim, uma resposta viável ao analisar uma imagem de um cachorro, por exemplo, seria: “há 86% de chance de ser um Pastor Alemão”.

 

Se analisados segmentos específicos de mercado, podemos destacar alguns exemplos práticos. Na área financeira/contabilidade, a AI permite detectar desvios e erros, identificar operações suspeitas de uso de cartão de crédito e desvio de dinheiro/corrupção. No varejo, os EUA já utilizam câmeras para detectar itens que precisam ser repostos nas prateleiras e até mesmo coisas fora do lugar.  Nas escolas, a Microsoft já oferece um sistema para prever se um aluno desistirá do Ensino Médio com base em notas, frequência e histórico familiar. Na saúde, a Google consegue mapear uma série de questões, além de idade, gênero e hábitos, apenas com uma imagem da retina.

 

Já a Positivo Tecnologia desenvolveu no Brasil um sistema de Indoor Positioning System chamado “Schood”, que detecta a rotina do aluno dentro da escola, faz chamada automática (combinando IoT e AI, o que chamamos de AIoT) e avisa o estudante quando seu pai está prestes a chegar para buscá-lo. Essas e outras ações fazem parte de um trabalho que a Positivo Tecnologia realiza há 30 anos para democratizar a tecnologia e oferecer dispositivos cada vez mais inteligentes. Recentemente, inclusive, lançou a Positivo Casa Inteligente, uma plataforma de soluções de IoT que, entre outras funções, é capaz de avisar o usuário via celular se há algum movimento estranho em sua casa.

 

Todos esses exemplos mostram que não estamos no começo da trajetória da AI, mas também estamos longe do fim. A Inteligência Artificial vai invadir de vez todas as indústrias e logo chegará com força à sua próxima fase: a computação afetiva, quando o sonho é fazer a máquina entender e até porque não, expressar sentimentos.

 

*Marielva Andrade Dias é vice-presidente de Governo e Corporativo Grandes Contas da Positivo Tecnologia.  Roger Finger é gerente de Projetos Estratégicos e Inovação da Positivo Tecnologia